[發(fā)明專利]基于壓縮感知的實木板材缺陷分選方法

在審

• 申請?zhí)枺?/td>: 201410642068.X
• 申請日: 2014-11-13
• 公開（公告）號: CN104361352A
• 公開（公告）日: 2015-02-18
• 發(fā)明（設計）人: 張怡卓;于慧伶;李超
• 申請（專利權）人: 東北林業(yè)大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/60;G06T7/00
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 楊立超

1.一種基于壓縮感知的實木板材缺陷分選方法，其特征在于：所述方法的實現(xiàn)過程為：

步驟一、采集m個實木板材的帶有缺陷的表面圖像作為訓練樣本；

步驟二、將采集到的實木板材的缺陷圖像的缺陷部分運用形態(tài)學方法分割出來，然后執(zhí)行步驟三；

步驟三、特征提取，提取每個樣本缺陷部分的幾何與區(qū)域特征、灰度紋理特征和不變矩特征三類共25個特征，利用所述特征組成25維特征向量，以表達實木板材圖像樣本的缺陷信息；

步驟四、特征融合，采用線性鑒別法進行特征融合以特征降維，得到低維度的特征向量；

步驟五、完成步驟四后，將低維度的特征向量作為輸入，設計實木板材缺陷的壓縮感知分類器；

步驟六、通過壓縮感知分類器進行實木板材缺陷分類識別，比較測試樣本的各類系數(shù)即可得到該測試樣本的所屬缺陷類別，從而得到測試實木板材的缺陷類別，獲得最終的判定結果。

2.根據(jù)權利要求1所述的一種基于壓縮感知的實木板材缺陷分選方法，其特征在于：在步驟三中，特征提取的具體過程為：

步驟三(一)、幾何與區(qū)域特征

(1)面積Area：將灰度圖像中缺陷部分的值設為1，而正常部分的值為0；缺陷部分的面積可由公式(1)得出：

Area=Σ(x,y∈R)1---(1)]]>

式中R是像素為1的點的坐標；

(2)周長Perimeter：目標缺陷的周長就是統(tǒng)計邊界上的像素點，周長Perimeter如公式(2)，式中B為目標缺陷的邊界；

Perimeter=Σ(x,y∈B)1---(2)]]>

(3)外接矩形長度、寬度及其長寬比：

對樣本缺陷圖像進行逐行逐列的查找，找出樣本缺陷部分中最小行Lmin、最大行Lmax、最小列Rmin和最大列Rmax四個值，則缺陷長和寬分別為：

max(W,L)＝R_max-R_min????(3)

min(W,L)＝L_max-L_min????(4)

其外接矩形長寬比為：

AR=max(W,L)min(W,L)---(5)]]>

(4)復雜度Compactness

Compactness=||Perimeter||24π·Area---(6)]]>

(5)線性度Linearity

L=AreaPerimeter---(7)]]>

(6)致密度Density

Density=||perimeter||2Area---(8)]]>

(7)矩形度Rectangularity：矩形度指的是目標的面積與其最小外接矩形的面積之比，計算公式如下：

R=Areamin(W,L)·max(W,L)---(9)]]>

(8)四個區(qū)域特征為：

偏心率Eccentricity：與目標缺陷部分二階矩相同的橢圓的偏心率；

直徑Diameter：與目標缺陷部分面積相同的圓的直徑；

短軸Short?axis:與目標缺陷部分二階矩相同的橢圓的短軸長度；

長軸Longer?axis:與目標區(qū)域二階矩相同的橢圓的長軸長度；

步驟三(二)、灰度紋理特征

屬于不同類別的實木地板表面缺陷除了形狀有差別之外，其相應的灰度紋理特征也是不同的，所以缺陷目標的灰度紋理特征也是缺陷特征的一個重要方面；缺陷的紋理特性是基于缺陷直方圖的特征描繪子得到的，若p(z_i)表示灰度直方圖，m表示缺陷灰度均值，則灰度的n階矩用式(10)來定義：

μn(z)=Σi=0L-1(zi-m)np(zi)---(10)]]>

其中，L是圖像可能的灰度級，z_i為灰度值；

(1)內部均值、邊緣均值：二者均用Mean?value表示且計算公式相同：內部均值是缺陷區(qū)域內所有像素的平均灰度值，邊緣均值是缺陷邊緣的所有像素的平均灰度值；

Mean=Σi=0L-1ziP(zi)---(11)]]>

(2)標準差Standard?deviation

Std=μ2(z)---(12)]]>

μ₂(z)表示圖像的二階矩；

(3)三階矩Third?moment

Thirdmoments=Σi=0L-1(zi-Mean)3P(zi)---(13)]]>

(4)平滑度Smoothness

Smoothness＝1-1/(1+Std²)????(14)

(5)一致性Consistency

Consistency=Σi=0L-1P2(zi)---(15)]]>

(6)熵Entripy

Entropy=-Σi=0L-1P(zi)log2P(zi)---(16)]]>

步驟三(三)、不變矩特征

通過計算樣本圖像整體灰度分布的各階矩來描繪灰度的分布情況；對于一幅N×M的圖像f(x,y)，則其(p+q)階矩為：

Mpq=Σx=1MΣy=1Nxpyqf(x,y)---(17)]]>

通過計算f(x,y)的(p+q)階中心矩，可以得到矩的不變特征：

μpq=∫-∞∞∫-∞∞(x-xc)p(y-yc)qf(x,y)dxdy---(18)]]>

對于(p+q)≥2的高階矩，歸一化后的中心矩定義為：

ηpq=μpqμ00r---(19)]]>

其中，r=p+q+22;]]>

提取實木板材缺陷的三大類共25個具體特征后，按公式(34)的最大最小法進行歸一化處理，其中，d_min表示序列中的最小值，d_max表示序列中的最大值，

dk=d-dmindmax-dmin---(34).]]>